CD网站用户消费行为的分析报告
CD网站的用户消费行为的分析报告
数据来源CDNow网站的用户购买明细。通过对用户消费趋势、用户个体消费、用户消费行为、复购率以及回购率的分析，可以更清楚了解用户行为习惯，为进一步制定营销策略提供依据。
一、理解数据
本数据集共有 6 万条左右数据，数据为 CDNow 网站 1997年1月至1998年6月的用户行为数据，共计 4 列字段，分别是：
user_id: 用户ID
order_dt: 购买日期
order_products: 购买产品数
order_amount: 购买金额
二、读取数据
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from datetime import datetime
%matplotlib inline
plt.style.use("ggplot")
columns = ["user_id","order_dt","order_products","order_amount"]
df = pd.read_table("CDNOW_master.txt",names = columns,sep = "\s+")
df.head()
| user_id | order_dt | order_products | order_amount | |
|---|---|---|---|---|
| 0 | 1 | 19970101 | 1 | 11.77 |
| 1 | 2 | 19970112 | 1 | 12.00 |
| 2 | 2 | 19970112 | 5 | 77.00 |
| 3 | 3 | 19970102 | 2 | 20.76 |
| 4 | 3 | 19970330 | 2 | 20.76 |
观察数据，order_dt表示时间，但现在它只是年月日组合的一串数字，没有时间含义。购买金额是小数。一个用户在一天内可能购买多次，用户ID为2的用户就在1月12日买了两次。
df.describe()
| user_id | order_dt | order_products | order_amount | |
|---|---|---|---|---|
| count | 69659.000000 | 6.965900e+04 | 69659.000000 | 69659.000000 |
| mean | 11470.854592 | 1.997228e+07 | 2.410040 | 35.893648 |
| std | 6819.904848 | 3.837735e+03 | 2.333924 | 36.281942 |
| min | 1.000000 | 1.997010e+07 | 1.000000 | 0.000000 |
| 25% | 5506.000000 | 1.997022e+07 | 1.000000 | 14.490000 |
| 50% | 11410.000000 | 1.997042e+07 | 2.000000 | 25.980000 |
| 75% | 17273.000000 | 1.997111e+07 | 3.000000 | 43.700000 |
| max | 23570.000000 | 1.998063e+07 | 99.000000 | 1286.010000 |
用户平均每笔订单购买2.4个商品，标准差在2.3，稍稍具有波动性。中位数在2个商品，75分位数在3个商品，说明绝大部分订单的购买量都不多。最大值在99个，数字比较高。购买金额的情况差不多，大部分订单都集中在小额。
df.info()
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 4 columns):
user_id 69659 non-null int64
order_dt 69659 non-null int64
order_products 69659 non-null int64
order_amount 69659 non-null float64
dtypes: float64(1), int64(3)
memory usage: 2.1 MB
可见没有空值，数据比较干净，接下来对时间的数据类型进行转换。
将购买时间数据类型转换为日期
df["order_date"] = pd.to_datetime(df.order_dt,format = "%Y%m%d")
考虑按月分析，这里把日期全部转为月初格式
df["month"] = df.order_date.astype("datetime64[M]")
df.head()
| user_id | order_dt | order_products | order_amount | order_date | month | |
|---|---|---|---|---|---|---|
| 0 | 1 | 19970101 | 1 | 11.77 | 1997-01-01 | 1997-01-01 |
| 1 | 2 | 19970112 | 1 | 12.00 | 1997-01-12 | 1997-01-01 |
| 2 | 2 | 19970112 | 5 | 77.00 | 1997-01-12 | 1997-01-01 |
| 3 | 3 | 19970102 | 2 | 20.76 | 1997-01-02 | 1997-01-01 |
| 4 | 3 | 19970330 | 2 | 20.76 | 1997-03-30 | 1997-03-01 |
df.info()
RangeIndex: 69659 entries, 0 to 69658
Data columns (total 6 columns):
user_id 69659 non-null int64
order_dt 69659 non-null int64
order_products 69659 non-null int64
order_amount 69659 non-null float64
order_date 69659 non-null datetime64[ns]
month 69659 non-null datetime64[ns]
dtypes: datetime64[ns](2), float64(1), int64(3)
memory usage: 3.2 MB
三、用户消费趋势分析（按月)
1.每月的产品购买数量
df.groupby("month").order_products.sum().plot()
按月统计CD的销量，从图中可以看出前几个月的销量非常高，而后几个月的销量较为稳定，且有轻微下降趋势。
2.每月的消费金额
df.groupby("month").order_amount.sum().plot()
由图可以看到，消费金额也一样呈现早期销售多，后期平稳下降趋势，而且前三月数据都呈现出异常状态，为什么呈现这样的原因呢？首先假设前三个月有促销活动，或者用户本身出了问题，早期用户有异常值。但这里只有消费数据，因此不能做出判断。
3.每月消费次数
df.groupby("month").user_id.count().plot()
前三个月订单数在 10000 笔左右，后续月份的平均消费订单数则在 2500 笔左右。
4.每月消费人数
df.groupby("month").user_id.apply(lambda x:len(x.drop_duplicates())).plot()
每月消费人数低于每月消费次数，但差异不大。
前三个月每月消费人数在 8000~10000 之间，后续月份，平均消费人数在 2000 人不到。
四、用户个体消费分析
1.用户消费金额，消费次数的描述统计
user_grouped = df.groupby("user_id").sum()
user_grouped.describe()
| order_dt | order_products | order_amount | |
|---|---|---|---|
| count | 2.357000e+04 | 23570.000000 | 23570.000000 |
| mean | 5.902627e+07 | 7.122656 | 106.080426 |
| std | 9.460684e+07 | 16.983531 | 240.925195 |
| min | 1.997010e+07 | 1.000000 | 0.000000 |
| 25% | 1.997021e+07 | 1.000000 | 19.970000 |
| 50% | 1.997032e+07 | 3.000000 | 43.395000 |
| 75% | 5.992125e+07 | 7.000000 | 106.475000 |
| max | 4.334408e+09 | 1033.000000 | 13990.930000 |
- 从用户角度
用户数量：23570，每位用户平均购买 7 张 CD，但是中位数值只有3，且有狂热用户购买了1033 张。平均值大于中位数，是右偏分布，说明小部分用户购买了大量的 CD。
- 从消费金额角度
用户平均消费 106 元，中位数只有 43，且有土豪用户消费 13990，结合分位数和最大值看，平均数仅和 75 分位接近，肯定存在小部分的高频消费用户。
df.plot.scatter(x = "order_products",y = "order_amount")
绘制每笔订单的散点图。从图中观察，订单消费金额和订单商品量呈规律性，每个商品十元左右。订单的极值较少，超出1000的就几个。所以不是造成异常波动的原因。
df.groupby("user_id").sum().plot.scatter(x = "order_products",y = "order_amount")
绘制用户的散点图，用户也比较健康，而且规律性比订单更强。
2.用户消费分布图
消费能力特别强的用户有，但是数量不多。为了更好的观察，用直方图。
plt.figure(figsize = (12,4))
plt.subplot(1,2,1)
df.order_amount.hist(bins = 20)
plt.subplot(1,2,2)
df.groupby("user_id").order_products.sum().hist(bins = 30)
从直方图看，大部分用户的消费能力确实不高，高消费用户在图上几乎看不到。这也符合消费行为的行业规律。
3.用户累计消费金额的占比
user_cumsum = df.groupby("user_id").order_amount.sum().sort_values().reset_index()
user_cumsum["amount_cumsum"] = user_cumsum.order_amount.cumsum()
user_cumsum.tail()
| user_id | order_amount | amount_cumsum | |
|---|---|---|---|
| 23565 | 7931 | 6497.18 | 2463822.60 |
| 23566 | 19339 | 6552.70 | 2470375.30 |
| 23567 | 7983 | 6973.07 | 2477348.37 |
| 23568 | 14048 | 8976.33 | 2486324.70 |
| 23569 | 7592 | 13990.93 | 2500315.63 |
amount_total = user_cumsum.amount_cumsum.max()
user_cumsum["prop"] = user_cumsum.apply(lambda x:x.amount_cumsum/amount_total,axis = 1)
user_cumsum.tail()
| user_id | order_amount | amount_cumsum | prop | |
|---|---|---|---|---|
| 23565 | 7931 | 6497.18 | 2463822.60 | 0.985405 |
| 23566 | 19339 | 6552.70 | 2470375.30 | 0.988025 |
| 23567 | 7983 | 6973.07 | 2477348.37 | 0.990814 |
| 23568 | 14048 | 8976.33 | 2486324.70 | 0.994404 |
| 23569 | 7592 | 13990.93 | 2500315.63 | 1.000000 |
user_cumsum.prop.plot()
绘制趋势图，横坐标是按贡献金额大小排序而成，纵坐标则是用户累计贡献。可以很清楚的看到，前20000个用户贡献了40%的消费。后面4000位用户贡献了60%，确实呈现28倾向。
五、用户消费行为
1.用户首购时间
df.groupby("user_id").month.min().value_counts()
1997-02-01 8476
1997-01-01 7846
1997-03-01 7248
Name: month, dtype: int64
df.groupby("user_id").order_date.min().value_counts().plot()
2.用户最后一次购买时间
df.groupby("user_id").month.max().value_counts()
1997-02-01 4912
1997-03-01 4478
1997-01-01 4192
1998-06-01 1506
1998-05-01 1042
1998-03-01 993
1998-04-01 769
1997-04-01 677
1997-12-01 620
1997-11-01 609
1998-02-01 550
1998-01-01 514
1997-06-01 499
1997-07-01 493
1997-05-01 480
1997-10-01 455
1997-09-01 397
1997-08-01 384
Name: month, dtype: int64
df.groupby("user_id").order_date.max().value_counts().plot()
通过以上两个维度观察，可以看出
- 用户第一次购买分布，集中在前三个月，其中，在 2 月 15 日左右有一次剧烈波动。
- 用户最后一次购买的分布比第一次分布广，但是大部分最后一次购买也集中在前三个月，说明忠诚用户较少，随着时间的递增，最后一次购买数在递增，消费呈现流失上升的趋势，所以可以推测，这份数据选择的是前三个月消费的用户在后面18个月的跟踪记录数据，前三个月消费金额和购买数量的异常趋势获得解释。
3.用户分层
3.1 构建RFM 模型
rfm = df.pivot_table(index = "user_id",
values = ["order_products","order_amount","order_date"],
aggfunc = {"order_date":"max",
"order_products":"sum",
"order_amount":"sum"})
rfm.head()
| order_amount | order_date | order_products | |
|---|---|---|---|
| user_id | |||
| 1 | 11.77 | 1997-01-01 | 1 |
| 2 | 89.00 | 1997-01-12 | 6 |
| 3 | 156.46 | 1998-05-28 | 16 |
| 4 | 100.50 | 1997-12-12 | 7 |
| 5 | 385.61 | 1998-01-03 | 29 |
rfm["R"] = -(rfm.order_date - rfm.order_date.max())/np.timedelta64(1,"D")
rfm.rename(columns = {"order_products":"F","order_amount":"M"},inplace = True
)
rfm.head()
| M | order_date | F | R | |
|---|---|---|---|---|
| user_id | ||||
| 1 | 11.77 | 1997-01-01 | 1 | 545.0 |
| 2 | 89.00 | 1997-01-12 | 6 | 534.0 |
| 3 | 156.46 | 1998-05-28 | 16 | 33.0 |
| 4 | 100.50 | 1997-12-12 | 7 | 200.0 |
| 5 | 385.61 | 1998-01-03 | 29 | 178.0 |
def rfm_func(x):
level = x.apply(lambda x:"1" if x >= 1 else "0")
label = level.R + level.F + level.M
d = {
'111':'重要价值客户',
'011':'重要保持客户',
'101':'重要挽留客户',
'001':'重要发展客户',
'110':'一般价值客户',
'010':'一般保持客户',
'100':'一般挽留客户',
'000':'一般发展客户'
}
result = d[label]
return result
rfm["label"] = rfm[["R","F","M"]].apply(lambda x:x-x.mean()).apply(rfm_func,axis = 1)
rfm.head()
| M | order_date | F | R | label | |
|---|---|---|---|---|---|
| user_id | |||||
| 1 | 11.77 | 1997-01-01 | 1 | 545.0 | 一般挽留客户 |
| 2 | 89.00 | 1997-01-12 | 6 | 534.0 | 一般挽留客户 |
| 3 | 156.46 | 1998-05-28 | 16 | 33.0 | 重要保持客户 |
| 4 | 100.50 | 1997-12-12 | 7 | 200.0 | 一般发展客户 |
| 5 | 385.61 | 1998-01-03 | 29 | 178.0 | 重要保持客户 |
rfm.groupby("label").sum()
| M | F | R | |
|---|---|---|---|
| label | |||
| 一般价值客户 | 1767.11 | 182 | 8512.0 |
| 一般保持客户 | 5100.77 | 492 | 7782.0 |
| 一般发展客户 | 215075.77 | 15428 | 621894.0 |
| 一般挽留客户 | 445233.28 | 29915 | 6983699.0 |
| 重要价值客户 | 147180.09 | 9849 | 286676.0 |
| 重要保持客户 | 1555586.51 | 105509 | 476502.0 |
| 重要发展客户 | 80466.30 | 4184 | 96009.0 |
| 重要挽留客户 | 49905.80 | 2322 | 174340.0 |
rfm.groupby("label").count()
| M | order_date | F | R | |
|---|---|---|---|---|
| label | ||||
| 一般价值客户 | 18 | 18 | 18 | 18 |
| 一般保持客户 | 53 | 53 | 53 | 53 |
| 一般发展客户 | 3493 | 3493 | 3493 | 3493 |
| 一般挽留客户 | 14138 | 14138 | 14138 | 14138 |
| 重要价值客户 | 631 | 631 | 631 | 631 |
| 重要保持客户 | 4267 | 4267 | 4267 | 4267 |
| 重要发展客户 | 599 | 599 | 599 | 599 |
| 重要挽留客户 | 371 | 371 | 371 | 371 |
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus'] = False
for label,gropued in rfm.groupby('label'):
x= gropued['F']
y = gropued['R']
plt.scatter(x,y,label = label) # 利用循环绘制函数
plt.legend(loc='best') # 图例位置
plt.xlabel('Frequency')
plt.ylabel('Recency')
plt.show()
从 RFM 分层可知，大部分用户为重要保持客户，但这是因为极值存在,具体还是要以业务为准划分
3.2 按新、活跃、回流、流失分层用户
pivoted_counts = df.pivot_table(index = 'user_id',
columns = 'month',
values = 'order_dt',
aggfunc = 'count').fillna(0)
pivoted_counts.columns = df.month.sort_values().astype("str").unique()
pivoted_counts.head()
| 1997-01-01 | 1997-02-01 | 1997-03-01 | 1997-04-01 | 1997-05-01 | 1997-06-01 | 1997-07-01 | 1997-08-01 | 1997-09-01 | 1997-10-01 | 1997-11-01 | 1997-12-01 | 1998-01-01 | 1998-02-01 | 1998-03-01 | 1998-04-01 | 1998-05-01 | 1998-06-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| user_id | ||||||||||||||||||
| 1 | 1.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 2 | 2.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 3 | 1.0 | 0.0 | 1.0 | 1.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 2.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 1.0 | 0.0 |
| 4 | 2.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 1.0 | 0.0 | 0.0 | 0.0 | 1.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
| 5 | 2.0 | 1.0 | 0.0 | 1.0 | 1.0 | 1.0 | 1.0 | 0.0 | 1.0 | 0.0 | 0.0 | 2.0 | 1.0 | 0.0 | 0.0 | 0.0 | 0.0 | 0.0 |
df_purchase = pivoted_counts.applymap(lambda x:1 if x>0 else 0)
df_purchase.head()
| 1997-01-01 | 1997-02-01 | 1997-03-01 | 1997-04-01 | 1997-05-01 | 1997-06-01 | 1997-07-01 | 1997-08-01 | 1997-09-01 | 1997-10-01 | 1997-11-01 | 1997-12-01 | 1998-01-01 | 1998-02-01 | 1998-03-01 | 1998-04-01 | 1998-05-01 | 1998-06-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| user_id | ||||||||||||||||||
| 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 2 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| 3 | 1 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 1 | 0 |
| 4 | 1 | 0 | 0 | 0 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 1 | 0 | 0 | 0 | 0 | 0 | 0 |
| 5 | 1 | 1 | 0 | 1 | 1 | 1 | 1 | 0 | 1 | 0 | 0 | 1 | 1 | 0 | 0 | 0 | 0 | 0 |
def active_status(data):
status = []
for i in range(18):
if data[i] == 0:
if len(status) > 0:
if status[i-1] == 'unreg':
status.append('unreg')
else:
status.append('unactive')
else:
status.append('unreg')
else:
if len(status) == 0:
status.append('new')
else:
if status[i-1] == 'unactive':
status.append('return')
elif status[i-1] == 'unreg':
status.append('new')
else:
status.append('active')
return pd.Series(status,df_purchase.columns)
purchase_states = df_purchase.apply(active_status,axis = 1)
purchase_states.head()
| 1997-01-01 | 1997-02-01 | 1997-03-01 | 1997-04-01 | 1997-05-01 | 1997-06-01 | 1997-07-01 | 1997-08-01 | 1997-09-01 | 1997-10-01 | 1997-11-01 | 1997-12-01 | 1998-01-01 | 1998-02-01 | 1998-03-01 | 1998-04-01 | 1998-05-01 | 1998-06-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| user_id | ||||||||||||||||||
| 1 | new | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive |
| 2 | new | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive | unactive |
| 3 | new | unactive | return | active | unactive | unactive | unactive | unactive | unactive | unactive | return | unactive | unactive | unactive | unactive | unactive | return | unactive |
| 4 | new | unactive | unactive | unactive | unactive | unactive | unactive | return | unactive | unactive | unactive | return | unactive | unactive | unactive | unactive | unactive | unactive |
| 5 | new | active | unactive | return | active | active | active | unactive | return | unactive | unactive | return | active | unactive | unactive | unactive | unactive | unactive |
purchase_states_ct = purchase_states.replace('unreg',np.NaN).apply(lambda x:pd.value_counts(x))
purchase_states_ct
| 1997-01-01 | 1997-02-01 | 1997-03-01 | 1997-04-01 | 1997-05-01 | 1997-06-01 | 1997-07-01 | 1997-08-01 | 1997-09-01 | 1997-10-01 | 1997-11-01 | 1997-12-01 | 1998-01-01 | 1998-02-01 | 1998-03-01 | 1998-04-01 | 1998-05-01 | 1998-06-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| active | NaN | 1157.0 | 1681 | 1773.0 | 852.0 | 747.0 | 746.0 | 604.0 | 528.0 | 532.0 | 624.0 | 632.0 | 512.0 | 472.0 | 571.0 | 518.0 | 459.0 | 446.0 |
| new | 7846.0 | 8476.0 | 7248 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| return | NaN | NaN | 595 | 1049.0 | 1362.0 | 1592.0 | 1434.0 | 1168.0 | 1211.0 | 1307.0 | 1404.0 | 1232.0 | 1025.0 | 1079.0 | 1489.0 | 919.0 | 1029.0 | 1060.0 |
| unactive | NaN | 6689.0 | 14046 | 20748.0 | 21356.0 | 21231.0 | 21390.0 | 21798.0 | 21831.0 | 21731.0 | 21542.0 | 21706.0 | 22033.0 | 22019.0 | 21510.0 | 22133.0 | 22082.0 | 22064.0 |
purchase_states_ct.fillna(0).T
| active | new | return | unactive | |
|---|---|---|---|---|
| 1997-01-01 | 0.0 | 7846.0 | 0.0 | 0.0 |
| 1997-02-01 | 1157.0 | 8476.0 | 0.0 | 6689.0 |
| 1997-03-01 | 1681.0 | 7248.0 | 595.0 | 14046.0 |
| 1997-04-01 | 1773.0 | 0.0 | 1049.0 | 20748.0 |
| 1997-05-01 | 852.0 | 0.0 | 1362.0 | 21356.0 |
| 1997-06-01 | 747.0 | 0.0 | 1592.0 | 21231.0 |
| 1997-07-01 | 746.0 | 0.0 | 1434.0 | 21390.0 |
| 1997-08-01 | 604.0 | 0.0 | 1168.0 | 21798.0 |
| 1997-09-01 | 528.0 | 0.0 | 1211.0 | 21831.0 |
| 1997-10-01 | 532.0 | 0.0 | 1307.0 | 21731.0 |
| 1997-11-01 | 624.0 | 0.0 | 1404.0 | 21542.0 |
| 1997-12-01 | 632.0 | 0.0 | 1232.0 | 21706.0 |
| 1998-01-01 | 512.0 | 0.0 | 1025.0 | 22033.0 |
| 1998-02-01 | 472.0 | 0.0 | 1079.0 | 22019.0 |
| 1998-03-01 | 571.0 | 0.0 | 1489.0 | 21510.0 |
| 1998-04-01 | 518.0 | 0.0 | 919.0 | 22133.0 |
| 1998-05-01 | 459.0 | 0.0 | 1029.0 | 22082.0 |
| 1998-06-01 | 446.0 | 0.0 | 1060.0 | 22064.0 |
purchase_states_ct.fillna(0).T.plot.area(figsize = (12,6))
plt.show()
由面积图，蓝色和灰色区域占大面积，可以不看，因为这只是某段时间消费过的用户的后续行为。其次红色代表的活跃用户非常稳定，是属于核心用户，以及紫色的回流用户，这两个分层相加，就是消费用户人数占比
3.3回流用户占比
plt.figure(figsize = (12,6))
rate = purchase_states_ct.fillna(0).T.apply(lambda x:x/x.sum())
plt.plot(rate["return"],label = "return")
plt.plot(rate["active"],label = "active")
plt.legend()
plt.show()
由图可知，用户每月回流用户比占 5% ～ 8% 之间，有下降趋势，说明客户有流失倾向。
活跃用户的占比在 4% ～ 5%间，下降趋势更显著，活跃用户可以看作连续消费用户，忠诚度高于回流用户。
结合活跃用户和回流用户看，在后期的消费用户中，60%是回流用户，40%是活跃用户，整体用户质量相对不错。也进一步说明前面用户消费行为分析中的二八定律，反应了在消费领域中，狠抓高质量用户是不变的道理。
4.用户购买周期
order_diff = df.groupby("user_id").apply(lambda x:x.order_date - x.order_date.shift())
order_diff.head(10)
user_id
1 0 NaT
2 1 NaT
2 0 days
3 3 NaT
4 87 days
5 3 days
6 227 days
7 10 days
8 184 days
4 9 NaT
Name: order_date, dtype: timedelta64[ns]
order_diff.describe()
count 46089
mean 68 days 23:22:13.567662
std 91 days 00:47:33.924168
min 0 days 00:00:00
25% 10 days 00:00:00
50% 31 days 00:00:00
75% 89 days 00:00:00
max 533 days 00:00:00
Name: order_date, dtype: object
(order_diff/np.timedelta64(1,"D")).hist(bins = 20)
plt.show()
订单周期呈指数分布
用户的平均购买周期是 68 天
绝大部分用户的购买周期低于 100 天
用户生命周期图是典型的长尾图，大部分用户的消费间隔确实比较短。不妨将时间召回点设为消费后立即赠送优惠券，消费后10天询问用户CD怎么样，消费后30天提醒优惠券到期，消费后60天短信推送。
5.用户生命周期
user_life = df.groupby("user_id").order_date.agg(["min","max"])
user_life.head()
| min | max | |
|---|---|---|
| user_id | ||
| 1 | 1997-01-01 | 1997-01-01 |
| 2 | 1997-01-12 | 1997-01-12 |
| 3 | 1997-01-02 | 1998-05-28 |
| 4 | 1997-01-01 | 1997-12-12 |
| 5 | 1997-01-01 | 1998-01-03 |
(user_life['min'] == user_life['max']).value_counts().plot.pie()
(user_life["max"] - user_life["min"]).describe()
count 23570
mean 134 days 20:55:36.987696
std 180 days 13:46:43.039788
min 0 days 00:00:00
25% 0 days 00:00:00
50% 0 days 00:00:00
75% 294 days 00:00:00
max 544 days 00:00:00
dtype: object
-
通过描述可知，用户平均生命周期 134 天，比预想高，但是中位数 0 天，大部分用户第一次消费也是最后一次，这批属于低质量用户，而最大的是 544 天，几乎是数据集的总天数，这用户属于核心用户。
-
因为数据中的用户都是前三个月第一次消费，所以这里的生命周期代表的是1月～3月用户的生命周期。因为用户会持续消费，这段时间过后还会继续消费，用户的平均生命周期会增长。
plt.figure(figsize = (20,6))
plt.subplot(121)
((user_life["max"] - user_life["min"])/np.timedelta64(1,"D")).hist(bins = 15)
plt.title('用户的生命周期直方图')
plt.xlabel('天数')
plt.ylabel('人数')
plt.subplot(122)
u_1 = ((user_life["max"] - user_life["min"]).reset_index()[0]/np.timedelta64(1,"D"))
u_1[u_1 > 0].hist(bins = 40)
plt.title('二次消费以上用户的生命周期直方图')
plt.xlabel('天数')
plt.ylabel('人数')
plt.show()
通过两图对比看出，过滤掉周期为 0 的用户后，图像呈双峰结构，虽然还是有不少用户生命周期趋于 0 天，但是相比第一幅图，靠谱多了。部分低质用户，虽然消费两次，但还是不能持续消费，要想提高用户转化率，应该用户首次消费 30 天内尽量引导，少部分用户集中在 50 - 300 天，属于普通用户，忠诚度一般。集中在 400 天以后的，是高质量用户了，后期人数还在增加，这批用户已经属于核心用户了，忠诚度极高，尽量维护这批用户的利益。
u_1[u_1 > 0].mean()
276.0448072247308
消费两次以上的用户平均生命周期是 276 天，远高于总体，所以如何在用户首次消费后引导其进行多次消费，可以有效提高用户生命周期。
六、复购率和回购率分析
6.1复购率分析
purchase_r = pivoted_counts.applymap(lambda x: 1 if x > 1 else np.NaN if x == 0 else 0)
purchase_r.head()
| 1997-01-01 | 1997-02-01 | 1997-03-01 | 1997-04-01 | 1997-05-01 | 1997-06-01 | 1997-07-01 | 1997-08-01 | 1997-09-01 | 1997-10-01 | 1997-11-01 | 1997-12-01 | 1998-01-01 | 1998-02-01 | 1998-03-01 | 1998-04-01 | 1998-05-01 | 1998-06-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| user_id | ||||||||||||||||||
| 1 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | 1.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | 0.0 | NaN | 0.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | 1.0 | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN |
| 4 | 1.0 | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN | NaN | NaN | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN |
| 5 | 1.0 | 0.0 | NaN | 0.0 | 0.0 | 0.0 | 0.0 | NaN | 0.0 | NaN | NaN | 1.0 | 0.0 | NaN | NaN | NaN | NaN | NaN |
(purchase_r.sum()/purchase_r.count()).plot(figsize = (10,6))
复购率稳定在 20% 左右，前三个月因为有大量新用户涌入，而这批用户只购买了一次，所以导致复购率降低。
6.2回购率分析
def purchase_back(data):
status = []
for i in range(17):
if data[i] == 1:
if data[i+1] == 1:
status.append(1)
if data[i+1] == 0:
status.append(0)
else:
status.append(np.NaN)
status.append(np.NaN)
return pd.Series(status,df_purchase.columns)
purchase_b = df_purchase.apply(purchase_back,axis = 1)
purchase_b.head()
| 1997-01-01 | 1997-02-01 | 1997-03-01 | 1997-04-01 | 1997-05-01 | 1997-06-01 | 1997-07-01 | 1997-08-01 | 1997-09-01 | 1997-10-01 | 1997-11-01 | 1997-12-01 | 1998-01-01 | 1998-02-01 | 1998-03-01 | 1998-04-01 | 1998-05-01 | 1998-06-01 | |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| user_id | ||||||||||||||||||
| 1 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 2 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN | NaN |
| 3 | 0.0 | NaN | 1.0 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN |
| 4 | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN | 0.0 | NaN | NaN | NaN | 0.0 | NaN | NaN | NaN | NaN | NaN | NaN |
| 5 | 1.0 | 0.0 | NaN | 1.0 | 1.0 | 1.0 | 0.0 | NaN | 0.0 | NaN | NaN | 1.0 | 0.0 | NaN | NaN | NaN | NaN | NaN |
1 为回购用户， 0 为上月没购买当月购买过，NaN 为连续两月都没购买
plt.figure(figsize=(20,4))
plt.subplot(211)
(purchase_b.sum() / purchase_b.count()).plot()
plt.title('用户回购率图')
plt.ylabel('百分比%')
plt.subplot(212)
plt.plot(purchase_b.sum(),label='每月消费人数')
plt.plot(purchase_b.count(),label='每月回购人数')
plt.xlabel('month')
plt.ylabel('人数')
plt.legend()
plt.show()
- 由回购率图可以看出，用户回购率高于复购率，约在 30% 左右，波动性较强。新用户回购率在 15 % 左右，与老用户相差不大。
- 由人数分布图发现，回购人数在前三月之后趋于稳定，所以波动产生的原因可能由于营销淡旺季导致，但之前复购用户的消费行为与会回购用户的行为大致相同，可能有一部分用户重合，属于优质用户。
- 结合回购率和复购率分析，可以新客的整体忠诚度低于老客，老客的回购率较好，消费频率稍低，这是 CDNow 网站的用户消费特征。